9
Tabel 4.2 Case Processing Summary
N Marginal
Percentage Peringkat Obligasi
Default Grade 8
1.8 Speculative Grade
37 8.4
Investment Grade 394
89.7 Valid
439 100.0
Missing Total
439
Sumber : Data sekunder diolah dengan SPSS, 2016
b. Menilai Overall Fit Model
Sesuai dengan pendapat Ghozali 2005, jika terdapat penurunan nilai -2 Log Likehood -2LL pada model dengan intercept saja dengan nilai -2 Log Likehood -
2LL akhir, maka dapat diartikan bahwa model yang dihipotesiskan fit dengan data.
Tabel 4.3 Perbandingan Nilai -2LL
Intercept Only dengan -2LL Final
Model Fitting Information
Model -2 Log Likelihood Chi-Square
df Sig.
Laba Bersih Intercept Only
332.347 Final
272.768 59.579
1 .000
Laba Komprehensif
Intercept Only 332.347
Final 275.916
56.431 1
.000 OCI
Intercept Only 224.065
Final 222.435
1.630 1
.202
Sumber : Data diolah dengan SPSS, 2016 Hasil uji model fit untuk model regresi variabel laba bersih yang disajikan
pada tabel 4.3 menunjukkan bahwa nilai -2LL model dengan intercept saja sebesar 332,347 dan nilai -2LL akhir sebesar 272,768. Adanya penurunan nilai -
2LL sebesar 59,579 dan signifikan pada 0,000 ini berarti model dengan
10
memasukkan variabel laba bersih lebih baik daripada model hanya dengan intercept saja, sehingga dapat dikatakan fit dengan data.
Pengujian untuk model regresi variabel laba komprehensif didapatkan hasil nilai -2LL model dengan intercept saja yang dilihat dari tabel yaitu sebesar
332,347 dan nilai -2LL akhir sebesar 275,916. Penurunan nilai -2LL sebesar 56,431 dan signifikan pada 0,000 ini menunjukkan bahwa model dengan
memasukkan variabel laba komprehensif lebih baik daripada model hanya dengan intercept saja, sehingga dapat dikatakan model fit dengan data.
Hasil pengujian overall fit model untuk model regresi variabel OCI menunjukkan bahwa nilai -2LL model dengan intercept saja sebesar 224,065 dan
nilai -2LL akhir sebesar 222,435. Adanya penurunan nilai -2LL sebesar 1,630 dan signifikan pada 0,202 ini berarti dengan memasukkan variabel OCI lebih baik
daripada model hanya dengan intercept saja, sehingga dapat model dikatakan fit dengan data.
c. Uji Parallel Lines
Menurut Ghozali 2012, untuk menilai apakah setiap kategori mempunyai parameter yang sama maka dilakukan uji Parallel Lines. Jika nilai signifikan lebih
besar dari alpha 0,05 artinya model regresi memiliki parameter yang sama
sehingga pemilihan model link function logit adalah sesuai.
Berdasarkan hasil uji Parallel Lines dalam tabel 4.4 dapat diketahui bahwa nilai signifikansi model regresi variabel laba bersih sebesar 0,754 lebih besar dari
alpha 0,05 yang artinya model sudah sesuai.
11
Tabel 4.4
Test of Parallel Lines
c
Model -2 Log Likelihood Chi-Square
df Sig.
Laba Bersih Null Hypothesis
272.768 General
268.705
a
4.063
b
1 .754
Laba Komprehensif
Null Hypothesis 275.916
General 264.091
a
11.825
b
1 .651
OCI Null Hypothesis
222.435 General
201.401
a
21.034
b
1 .261
Sumber : Data sekunder diolah dengan SPSS, 2016 Berdasarkan hasil uji Parallel Lines dalam tabel dapat diketahui bahwa
nilai signifikansi model regresi variabel laba komprehensif sebesar 0,651 lebih besar dari alpha 0,05 yang artinya model sudah sesuai. Sedangkan untuk hasil uji
Parallel Lines variabel OCI, nilai signifikansi lebih besar dari alpha 0,05 yaitu sebesar 0,261 sehingga dapat dikatakan model cocok.
Hasil Pengujian Hipotesis
Penelitian ini menggunakan metode analisis data ordinal logistic regression PLUM dengan pengolahan data melalui software SPSS Statistical
Package for Social Science. Model regresi logistik ordinal digunakan karena
variabel dependen dalam penelitian ini berbentuk kategorial. a. Pengujian Hipotesis 1a
Tabel 4.5 Uji Hipotesis Relevansi-Nilai Kredit Laba Bersih
Estimate Std.
Error Wald
df Sig. Nagelkerke
Threshold [Rating = 0] -4.194
.493 72.451 1 .000
.239 [Rating = 1]
-1.536 .180 72.563
1 .000 Location
LabaBersih 28.450
4.539 39.278 1 .000
Sumber : Data sekunder diolah dengan SPSS, 2016
12
Berdasarkan tabel 4.5 dapat dirumuskan persamaan regresi ordinal logistik sebagai berikut :
Hipotesis 1a menyatakan bahwa laba bersih memiliki relevansi-nilai kredit. Hasil pengujian hipotesis yang disajikan dalam tabel 4.5 menunjukkan
bahwa variabel laba bersih memiliki koefisien positif sebesar 28,450 dan nilai Sig.
0,000 lebih kecil dari alpha 0,05, sehingga dapat disimpulkan bahwa H1a diterima
yang artinya laba bersih berpengaruh positif signifikan terhadap peringkat obligasi. Hal ini menunjukkan bahwa laba bersih memiliki relevansi-
nilai kredit. Pada tabel 4.5 dapat diketahui nilai Nagelkerke R Square variabel laba
bersih sebesar 0,239. Nilai tersebut mengandung arti bahwa variabel laba bersih mampu menjelaskan variabilitas variabel peringkat obligasi sebesar 23,9,
sedangkan sisanya sebesar 76,1 dijelaskan oleh variabel lain di luar model penelitian.
b. Pengujian Hipotesis 1b Tabel 4.6
